|
|
电话联系： |
021-60706467 |
|
 |
|
|
|
|
|
|
人脸识别技术新进展 一种新的特征提取法 |
 |
| 2007-10-16 |
人脸识别技术在计算机视觉、客户身份鉴别、多媒体数据检索等领域有着十分广泛的应用前景。随着该项技术的不断成熟和完善，设计和建造过去仅在科幻影视作品中出现的各种高智能仪器设备逐渐成为现实。这些高度智能化的机器包括可以根据用户的表情或神态做出合理响应的各种终端设备，可以有效过滤光照、姿态、表情、配饰（如眼镜、耳环、围巾）等噪声影响从而辨别出用户真实身份并确定其访问权限的安检系统，……。
能否快速有效地提取与应用领域相关的人脸鉴别特征成了能否真正实现上述各种人脸自动识别系统的关键。人脸鉴别特征的提取过程是一个依据某个变换矩阵将人脸图像向量映射为人脸特征向量的过程，在这个映射过程中，与应用领域密切相关的鉴别信息（如不同类型的人脸表情）被提炼了出来，而大量无关的其它信息（如眉毛的浓淡、嘴巴的大小等）则被舍弃。由人脸图像向量到人脸特征向量的变换矩阵，则是通过用大量的训练样本（如已知其表情类型的人脸图像）对人脸鉴别特征提取算法进行训练来获得的。训练样本越多，获得的变换矩阵的特征提取效果就越好。
《计算机科学技术学报》2007年第4期发表的由解放军炮兵学院宋枫溪教授、香港理工大学张大鹏教授、扬州大学陈才扣副教授以及南京理工大学杨静宇教授合作撰写的《基于变异系数的人脸特征提取方法》一文，提出了一种崭新的人脸鉴别特征提取方法。以人脸表情识别为例，假设事先我们已经收集到微笑、惊讶、愤怒、无奈等多种表情的部分训练样本，根据这些训练样本我们即可以构造出人脸图像向量到人脸表情特征向量的变换矩阵，并以此为基础进行人脸表情的识别。判断一个特征提取方法的好坏不仅要考虑其鉴别能力，即其相应的识别率，还要考虑其计算速度。与传统的人脸鉴别特征提取方法相比，该方法的主要优点是其鉴别能力与传统方法NSM、OCS相当，但算法简洁、计算效率高，而且非常适合不断有新的训练样本加入的各种应用场合。在离线人脸识别场合，计算速度比NSM方法提高了几十倍，比OCS方法提高了几百倍。新方法在速度上的优势在在线识别场合将会体现得更加明显 ，与传统特征提取方法需要不断更新整个鉴别矩阵不同，新方法只需更新鉴别矩阵中与新的训练样本相关的某一列向量而已。人脸识别技术的应用范围非常广泛。例如：公安布控监控、民航安检、海关身份验证、智能身份证、智能门禁、智能视频监控、司机驾照验证、各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险身份验证等。具有极其广阔的市场应用前景和重要而深远的社会意义。
背景介绍：
人脸识别技术是近几十年逐步发展成熟起来的一门崭新的信息技术。由于在计算机视觉、客户身份鉴别、多媒体数据检索等领域有着十分广泛的应用前景，人脸识别成了计算机科学领域炙手可热的研究课题之一。
人脸识别技术的研究目的是为建造能够自动识别人脸的各种智能系统提供技术支撑，而能否快速有效地提取人脸鉴别特征成了能否成功建造人脸自动识别系统的关键。
应用前景
人脸识别技术的应用范围非常广泛。例如：公安布控监控、民航安检、海关身份验证、智能身份证、智能门禁、智能视频监控、司机驾照验证、各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险身份验证等。具有极其广阔的市场应用前景和重要而深远的社会意义。
|
| |
|
|
|
|
|
|
|
|